iAMPCN:一种深度学习方法,用于识别抗微生物及其功能活动
Jing Xu1,2, Fuyi Li1,3,4, Chen Li1,2
1Monash Biomedicine Discovery Institute and Department of Biochemistry and Molecular Biology, Monash University, Melbourne, VIC 3800, Australia.
Briefings in bioinformatics
|June 27, 2023
概括
抗微生物 (AMP) 显示出作为抗生素替代品的希望. 一个新的深度学习框架,iAMPCN,准确地识别了AMP及其22个功能活动,优于现有的方法.
科学领域:
- 生物化学 生物化学
- 计算生物学 计算生物学
- 药物发现 药物发现 药物发现
背景情况:
- 抗微生物 (AMP) 对生物过程至关重要,由于增加了微生物耐药性,它们是传统抗生素的潜在替代品.
- 目前用于AMP识别的计算方法往往缺乏预测各种功能活动的能力.
研究的目的:
- 开发一种新的深度学习框架,用于识别AMP并预测它们的22个功能活动.
- 将新框架的性能与现有的最先进的方法进行比较.
主要方法:
- 调查了现有的10个AMP识别预测器,分析了它们的特征和算法.
- 构建了全面的AMP数据集.
- 开发并实施了iAMPCN,这是一个使用卷积神经网络 (CNN) 的深度学习框架.
- 使用四种类型的序列特征评估了iAMPCN,并分析了氨基酸偏好.
主要成果:
- iAMPCN显著提高了AMP识别和其功能活动的预测准确度.
- 基准测试表明,iAMPCN在独立测试数据集上表现优于几种最先进的方法.
- 分析揭示了与不同AMP活动相关的特定氨基酸偏好.
结论:
- iAMPCN提供了一种强大而准确的工具,用于识别抗微生物及其功能活动.
- 该框架有可能加速用于治疗应用的新型AMP的发现.
- 对iAMPCN的源代码是公开可用的,以帮助研究界.
